La inteligencia artificial se utiliza para distinguir los casos asintomáticos de COVID-19 de las personas sanas a partir de su tos.
De las 200.000 muestras proporcionadas, el modelo identificó el 98,5 % de las toses de personas con diagnóstico confirmado de COVID-19, incluido el 100 % de las personas asintomáticas.
Investigadores trabajan en una aplicación que incorpora el modelo y que podría servir como herramienta de preselección para identificar a personas con probabilidad de ser asintomáticas.
Por definición, las personas asintomáticas infectadas por Covid-19 no presentan síntomas físicos perceptibles de la enfermedad. Por ello, es menos probable que se hagan la prueba del virus y podrían contagiarlo a otras personas sin saberlo.
Sin embargo, parece que las personas asintomáticas quizá no estén del todo libres de los cambios provocados por el virus. Investigadores del MIT han descubierto que las personas asintomáticas pueden toser de manera diferente a las personas sanas. El oído humano no puede distinguir estas diferencias, pero la inteligencia artificial sí puede detectarlas.
En un artículo publicado recientemente en la revista IEEE Journal of Engineering in Medicine and Biology, el equipo presenta un modelo de IA que distingue a las personas asintomáticas de las personas sanas mediante grabaciones de toses provocadas que la gente envió voluntariamente a través de navegadores web y dispositivos como teléfonos móviles y ordenadores portátiles.
Los investigadores entrenaron el modelo con decenas de miles de muestras de toses y palabras habladas. Al introducir nuevas grabaciones de toses en el modelo, este identificó correctamente el 98,5 % de las toses de personas con diagnóstico confirmado de Covid-19, incluido el 100 % de las toses de personas asintomáticas, que afirmaron no tener síntomas pero habían dado positivo en la prueba del virus.
El equipo trabaja para incorporar el modelo en una aplicación fácil de usar que, si recibe la aprobación de la FDA y se adopta a gran escala, podría convertirse en una herramienta gratuita, cómoda y no invasiva de preselección para identificar a personas con probabilidad de ser asintomáticas respecto al Covid-19. Un usuario podría iniciar sesión a diario, toser frente a su teléfono y recibir al instante información sobre si podría estar infectado y, por tanto, debería confirmarlo con una prueba formal.
«La implementación eficaz de esta herramienta de diagnóstico colectivo podría reducir la propagación de la pandemia si todo el mundo la usa antes de ir a un aula, una fábrica o un restaurante», afirma Brian Subirana, coautor e investigador científico del Laboratorio Auto-ID del MIT.
Los coautores de Subirana son Jordi Laguarta y Ferran Hueto, del Laboratorio Auto-ID del MIT.
Escucha aquí el pódcast: Un nuevo modelo de IA detecta infecciones asintomáticas por Covid-19 mediante toses grabadas con dispositivos.
Matices vocales
Antes de que comenzara la pandemia, varios grupos de investigación ya entrenaban algoritmos con grabaciones de toses hechas con teléfonos móviles para diagnosticar con precisión afecciones como la neumonía y el asma. De forma similar, el equipo del MIT desarrollaba modelos de IA para analizar grabaciones de toses provocadas y comprobar si podían detectar indicios de Alzheimer, una enfermedad asociada no solo al deterioro de la memoria, sino también al deterioro neuromuscular, como el debilitamiento de las cuerdas vocales.
Primero entrenaron un algoritmo general de aprendizaje automático, o red neuronal, llamado ResNet50, para distinguir sonidos asociados a distintos grados de fuerza de las cuerdas vocales. Los estudios han demostrado que la calidad del sonido «mmmm» puede indicar cuán débiles o fuertes son las cuerdas vocales de una persona. Subirana entrenó la red neuronal con un conjunto de datos de audiolibros que contenía más de 1.000 horas de habla, para que identificara la palabra «them» y la diferenciara de otras como «the» y «then».
El equipo entrenó una segunda red neuronal para distinguir los estados emocionales presentes en el habla, porque se ha demostrado que los pacientes de Alzheimer —y, en general, las personas con deterioro neurológico— manifiestan con mayor frecuencia ciertos estados, como la frustración o un afecto plano, que felicidad o calma. Los investigadores desarrollaron un modelo clasificador de sentimientos en el habla entrenándolo con un gran conjunto de datos de actores que entonaban distintos estados emocionales, como neutralidad, calma, alegría y tristeza.
A continuación, los investigadores entrenaron una tercera red neuronal con una base de datos de toses para detectar cambios en el rendimiento pulmonar y respiratorio.
Por último, el equipo combinó los tres modelos y añadió un algoritmo para detectar el deterioro muscular. El algoritmo lo hace, en esencia, simulando una máscara de audio, o capa de ruido, y distinguiendo las toses fuertes —las que se oyen por encima del ruido— de las más débiles.
Con su nuevo marco de IA, el equipo introdujo grabaciones de audio, incluidas las de pacientes de Alzheimer, y descubrió que podía identificar las muestras de Alzheimer mejor que los modelos existentes. Los resultados mostraron que, en conjunto, la fuerza de las cuerdas vocales, los sentimientos, el rendimiento pulmonar y respiratorio y el deterioro muscular eran biomarcadores eficaces para diagnosticar la enfermedad.
Cuando comenzó a desarrollarse la pandemia de coronavirus, Subirana se preguntó si su marco de IA para el Alzheimer también podría servir para diagnosticar el Covid-19, pues cada vez había más indicios de que los pacientes infectados experimentaban algunos síntomas neurológicos similares, como un deterioro neuromuscular temporal.
«Los sonidos del habla y de la tos están influidos por las cuerdas vocales y los órganos circundantes. Esto significa que, cuando hablas, una parte de tu habla se parece a la tos, y viceversa. También significa que la IA puede detectar en una simple tos aspectos que deducimos fácilmente del habla fluida, como el género de una persona, su lengua materna o incluso su estado emocional. De hecho, la forma de toser lleva sentimientos implícitos», afirma Subirana. «Así que pensamos: ¿por qué no probar estos biomarcadores del Alzheimer [para ver si son pertinentes] para el Covid?».
«Una similitud sorprendente»
En abril, el equipo se propuso recopilar tantas grabaciones de toses como fuera posible, incluidas las de pacientes con Covid-19. Crearon un sitio web donde la gente puede grabar una serie de toses con un teléfono móvil u otro dispositivo con acceso a la web. Los participantes también completan una encuesta sobre los síntomas que experimentan, si tienen Covid-19 o no y si recibieron el diagnóstico mediante una prueba oficial, la evaluación de sus síntomas por parte de un médico o un autodiagnóstico. También pueden indicar su género, ubicación geográfica y lengua materna.
Hasta la fecha, los investigadores han recopilado más de 70.000 grabaciones, cada una con varias toses, lo que suma unas 200.000 muestras de audio de toses provocadas; según Subirana, es «el mayor conjunto de datos de investigación sobre toses que conocemos». Unas 2.500 grabaciones fueron enviadas por personas con diagnóstico confirmado de Covid-19, incluidas personas asintomáticas.
El equipo utilizó las 2.500 grabaciones asociadas al Covid y otras 2.500 seleccionadas al azar de la colección para equilibrar el conjunto de datos. Usaron 4.000 de estas muestras para entrenar el modelo de IA. Después introdujeron en el modelo las 1.000 grabaciones restantes para comprobar si podía distinguir correctamente las toses de pacientes con Covid de las de personas sanas.
Sorprendentemente, como escriben los investigadores en su artículo, sus esfuerzos han revelado «una similitud sorprendente entre la discriminación del Alzheimer y la del Covid».
Sin modificar demasiado el marco de IA concebido originalmente para el Alzheimer, descubrieron que podía captar patrones en los cuatro biomarcadores —la fuerza de las cuerdas vocales, los sentimientos, el rendimiento pulmonar y respiratorio y el deterioro muscular— específicos del Covid-19. El modelo identificó el 98,5 % de las toses de personas con diagnóstico confirmado de Covid-19 y detectó correctamente todas las toses asintomáticas de ese grupo.
«Creemos que esto demuestra que la manera de producir sonidos cambia cuando tienes Covid, aunque seas asintomático», afirma Subirana.
Síntomas asintomáticos
Subirana recalca que el modelo de IA no está pensado para diagnosticar a personas sintomáticas ni para determinar si sus síntomas se deben al Covid-19 o a otras afecciones, como la gripe o el asma. La fortaleza de la herramienta reside en su capacidad para distinguir las toses asintomáticas de las toses de personas sanas.
El equipo trabaja con una empresa para desarrollar una aplicación gratuita de preselección basada en su modelo de IA. También colabora con varios hospitales de todo el mundo para recopilar un conjunto más amplio y diverso de grabaciones de toses, lo que ayudará a entrenar el modelo y mejorar su precisión.
Como proponen en su artículo, «las pandemias podrían quedar atrás si las herramientas de preselección están siempre activas en segundo plano y se mejoran constantemente».
En última instancia, prevén que modelos de IA de audio como el que han desarrollado podrían incorporarse a altavoces inteligentes y otros dispositivos de escucha, para que la gente pueda obtener cómodamente una evaluación inicial del riesgo de enfermedad, quizá a diario.
